Buchumschlag

Structure Learning with Continuous Optimization: A Sober Look and Beyond

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ng, Ignavier, Huang, Biwei, Zhang, Kun
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Revisiting Differentiable Structure Learning: Inconsistency of $\ell_1$ Penalty and Beyond
von: Jin, Kaifeng, et al.
Veröffentlicht: (2024)

Differentiable Causal Discovery For Latent Hierarchical Causal Models
von: Prashant, Parjanya, et al.
Veröffentlicht: (2024)

On the Identifiability of Nonlinear ICA: Sparsity and Beyond
von: Zheng, Yujia, et al.
Veröffentlicht: (2022)

Causal Representation Learning from Multiple Distributions: A General Setting
von: Zhang, Kun, et al.
Veröffentlicht: (2024)

Higher-Order Causal Structure Learning with Additive Models
von: Enouen, James, et al.
Veröffentlicht: (2025)

Continual Learning of Nonlinear Independent Representations
von: Sun, Boyang, et al.
Veröffentlicht: (2024)

Learning General Causal Structures with Hidden Dynamic Process for Climate Analysis
von: Fu, Minghao, et al.
Veröffentlicht: (2025)

A Sober Look at the Robustness of CLIPs to Spurious Features
von: Wang, Qizhou, et al.
Veröffentlicht: (2024)

On the Parameter Identifiability of Partially Observed Linear Causal Models
von: Dong, Xinshuai, et al.
Veröffentlicht: (2024)

A Skewness-Based Criterion for Addressing Heteroscedastic Noise in Causal Discovery
von: Lin, Yingyu, et al.
Veröffentlicht: (2024)

A Sober Look at LLMs for Material Discovery: Are They Actually Good for Bayesian Optimization Over Molecules?
von: Kristiadi, Agustinus, et al.
Veröffentlicht: (2024)

On the Identifiability of Sparse ICA without Assuming Non-Gaussianity
von: Ng, Ignavier, et al.
Veröffentlicht: (2024)

Federated Causal Discovery from Heterogeneous Data
von: Li, Loka, et al.
Veröffentlicht: (2024)

Analytic DAG Constraints for Differentiable DAG Learning
von: Zhang, Zhen, et al.
Veröffentlicht: (2025)

Causal Representation Learning from General Environments under Nonparametric Mixing
von: Ng, Ignavier, et al.
Veröffentlicht: (2026)

SEDGE: Structural Extrapolated Data Generation
von: Zhang, Kun, et al.
Veröffentlicht: (2026)

Debiasing Reward Models by Representation Learning with Guarantees
von: Ng, Ignavier, et al.
Veröffentlicht: (2025)

A Sobering Look at Tabular Data Generation via Probabilistic Circuits
von: Scassola, Davide, et al.
Veröffentlicht: (2026)

A Sober Look at Progress in Language Model Reasoning: Pitfalls and Paths to Reproducibility
von: Hochlehnert, Andreas, et al.
Veröffentlicht: (2025)

Score-based Greedy Search for Structure Identification of Partially Observed Linear Causal Models
von: Dong, Xinshuai, et al.
Veröffentlicht: (2025)

A General Representation-Based Approach to Multi-Source Domain Adaptation
von: Ng, Ignavier, et al.
Veröffentlicht: (2026)

Local Causal Discovery with Linear non-Gaussian Cyclic Models
von: Dai, Haoyue, et al.
Veröffentlicht: (2024)

Causal Structure Learning in Hawkes Processes with Complex Latent Confounder Networks
von: Jin, Songyao, et al.
Veröffentlicht: (2025)

Latent Variable Causal Discovery under Selection Bias
von: Dai, Haoyue, et al.
Veröffentlicht: (2025)

Synergy Between Sufficient Changes and Sparse Mixing Procedure for Disentangled Representation Learning
von: Li, Zijian, et al.
Veröffentlicht: (2025)

Gene Regulatory Network Inference in the Presence of Dropouts: a Causal View
von: Dai, Haoyue, et al.
Veröffentlicht: (2024)

When Selection Meets Intervention: Additional Complexities in Causal Discovery
von: Dai, Haoyue, et al.
Veröffentlicht: (2025)

Hybrid Self-evolving Structured Memory for GUI Agents
von: Zhu, Sibo, et al.
Veröffentlicht: (2026)

Towards General Continuous Memory for Vision-Language Models
von: Wu, Wenyi, et al.
Veröffentlicht: (2025)

Beyond DAGs: A Latent Partial Causal Model for Multimodal Learning
von: Liu, Yuhang, et al.
Veröffentlicht: (2024)

SoberDSE: Sample-Efficient Design Space Exploration via Learning-Based Algorithm Selection
von: Xu, Lei, et al.
Veröffentlicht: (2026)

Permutation-Based Rank Test in the Presence of Discretization and Application in Causal Discovery with Mixed Data
von: Dong, Xinshuai, et al.
Veröffentlicht: (2025)

Advancing Counterfactual Inference through Nonlinear Quantile Regression
von: Xie, Shaoan, et al.
Veröffentlicht: (2023)

Learning Discrete Concepts in Latent Hierarchical Models
von: Kong, Lingjing, et al.
Veröffentlicht: (2024)

A Fast Kernel-based Conditional Independence test with Application to Causal Discovery
von: Schacht, Oliver, et al.
Veröffentlicht: (2025)

Generalized Independent Noise Condition for Estimating Causal Structure with Latent Variables
von: Xie, Feng, et al.
Veröffentlicht: (2023)

Distillation-Guided Structural Transfer for Continual Learning Beyond Sparse Distributed Memory
von: Xue, Huiyan, et al.
Veröffentlicht: (2025)

Causality Meets Locality: Provably Generalizable and Scalable Policy Learning for Networked Systems
von: Liang, Hao, et al.
Veröffentlicht: (2025)

Planner Matters! An Efficient and Unbalanced Multi-agent Collaboration Framework for Long-horizon Planning
von: Wu, Wenyi, et al.
Veröffentlicht: (2026)

Reinforcement Learning for Causal Discovery without Acyclicity Constraints
von: Duong, Bao, et al.
Veröffentlicht: (2024)